Vitalik Buterin testa IA local num portátil com chip AMD
Buterin vê a IA local como uma opção prática para tarefas sensíveis relacionadas com carteiras e código, em parte graças ao Strix Halo da AMD com muita memória partilhada.
Pontos principais
- Vitalik Buterin testou o Qwen3.8-Flash-Next da Alibaba no seu portátil com AMD Strix Halo e considerou a IA local já utilizável para tarefas do dia a dia.
- O chip Strix Halo disponibiliza mais memória para modelos de IA, permitindo que modelos mais pesados funcionem num único portátil sem servidor na cloud.
- Buterin sublinha a vantagem da privacidade da IA local, sobretudo para informação sensível como endereços de carteiras, código privado e nomes.
O cofundador da Ethereum Vitalik Buterin afirma que a IA local já consegue tratar de uma grande parte das tarefas do dia a dia. Executou o Qwen3.8-Flash-Next da Alibaba no seu próprio portátil e partilhou resultados de velocidade que, segundo ele, mostram que este tipo de modelos está a tornar-se cada vez mais útil sem servidor na cloud.
A IA local torna-se mais prática
O teste de Buterin decorreu num portátil com o chip Strix Halo da AMD. Esse chip combina o processador e a capacidade gráfica num único pedaço de silício e permite que ambas as partes utilizem uma única pool de memória. Isto é importante, porque um modelo de IA tem primeiro de caber na memória antes de poder sequer funcionar.
Segundo a descrição no teste, é precisamente aí que muitos portáteis comuns ainda ficam aquém. Uma placa gráfica dedicada tem muitas vezes entre 8 e 24 gigabytes de memória, enquanto as máquinas com Strix Halo podem oferecer até 128 gigabytes que podem ser utilizados por ambas as partes do chip. Assim, um modelo que antes precisava de hardware de servidor pode agora funcionar num único portátil.
A procura crescente por capacidade de computação mostra porque é que estes sistemas locais se tornam especialmente interessantes: as empresas continuam a procurar em massa formas de financiar e expandir a infraestrutura de IA. O teste de Buterin mostra precisamente que parte dessa carga computacional pode deslocar-se para mais perto do utilizador.
A velocidade pareceu-lhe suficiente para trabalho normal. Os prompts curtos foram respondidos rapidamente, enquanto documentos muito longos demoraram visivelmente mais. Isto deixa claro que a IA local já avançou bastante, mas ainda não funciona com a mesma fluidez em todos os casos.
A privacidade ganha um papel maior
Além da velocidade, Buterin destaca sobretudo uma vantagem de privacidade. Um modelo local processa o pedido no próprio dispositivo, pelo que um prestador não precisa de receber o prompt. Para utilizadores que partilham informação sensível, isso pode fazer uma grande diferença.
Ele também descreve uma abordagem híbrida. Um modelo local pode primeiro extrair detalhes sensíveis de um pedido, como nomes, endereços de carteiras ou código privado, e depois transmitir apenas o pedido restante para um modelo maior alojado. Isso limitaria a quantidade de dados que sai do dispositivo, embora não ofereça qualquer garantia absoluta de que nada sensível escape.
Essa ênfase na privacidade enquadra-se numa tendência mais ampla na IA. Os modelos locais estão a ganhar terreno porque processam os dados inteiramente no próprio dispositivo, sem transferência para servidores externos. Ao mesmo tempo, empresas como a Nvidia e a Palantir mostram que a privacidade e a gestão de dados estão a pesar cada vez mais no uso de modelos avançados de IA.
Porque é que isto interessa à criptomoeda
Para os utilizadores de criptomoedas, isto é relevante porque muitas tarefas diárias relacionadas com carteiras, código e dados pessoais são precisamente sensíveis. Uma configuração de IA local pode ser atraente nestes casos, porque menos informação precisa de sair. Buterin liga isto também às suas preocupações anteriores com a vigilância e a recolha de dados, um tema que já há mais tempo vive no mundo das criptomoedas.
A questão mais ampla não é apenas quão inteligente a IA se torna, mas também onde essa capacidade de computação funciona. Se cada vez mais tarefas padrão puderem ser tratadas localmente, parte do controlo passa das plataformas na cloud para o próprio utilizador.
